微信扫一扫
美国计算机系计算生物方向代表教授全梳理
以下全部为隶属于 CS / 计算机学院、以算法 / 机器学习 / 计算理论为核心工具做计算生物的top教授，按 MIT、斯坦福、CMU、伯克利、华盛顿、约翰霍普金斯、杜克、UCLA、佐治亚理工分院校整理，包含背景、核心方向、标志性成果、适合学生类型。
一、MIT CSAIL（计算生物发源地，算法派天花板）
1. Bonnie Berger（西蒙讲席教授，CS + 数学双聘）MIT CSAIL
- 教育：CS 本科 / 硕博，计算生物奠基人，ISCB 终身成就奖（2019）
- 核心方向：蛋白质结构预测、基因组算法、生物大数据隐私、单细胞、生物网络
- 标志性成果：早期蛋白质折叠经典算法；开创隐私计算基因组学；培养全球大量计算生物 PI（Serafim Batzoglou、Manolis Kellis、Lior Pachter 等）
- 实验室特点：偏理论算法 + 大规模生物数据，纯 CS 背景学生友好，数学要求高
- 适合：算法、理论计算机、生物信息工程方向博士生
2. Manolis Kellis（CSAI 全职教授，Broad 研究所核心）MIT
- 导师：Bonnie Berger，CS 博士
- 核心方向：比较基因组、表观组、染色质状态、疾病调控通路、进化基因组
- 标志性成果：ENCODE 关键计算框架；多物种进化信号识别；细胞类型特异调控网络
- 特点：超大跨学科实验室，干湿结合，海量 NIH 基金，基因组大数据深度学习
- 适合：基因组、表观遗传、AI + 多组学学生
二、斯坦福大学 CS（AI + 计算生物最强阵营）
1. Anshul Kundaje（CS + 遗传学副教授，Bio-X）Stanford P...
- 核心方向：基因组深度学习、表观调控、非编码 DNA 解读、ENCODE 计算负责人
- 标志性成果：Basenji、DeepSEA 等基因组经典深度学习模型；染色质可及性预测框架
- 优势：深度生成模型、可解释 AI 在基因组落地，海量多组学公共数据资源
- 适合：深度学习、基因调控、疾病基因组、生物大模型方向
2. Gill Bejerano（CS + 发育生物学教授）Stanford P...
- 教育：计算机 + 数学 + 物理本科，CS 机器学习博士
- 核心方向：人类进化保守非编码序列、罕见病基因组、临床患者数据挖掘
- 特色：同时有计算实验室 + 小型湿实验，算法直接对接临床遗传病诊断
- 适合：进化基因组、医学计算、跨干湿实验学生
3. Serafim Batzoglou（前斯坦福 CS，行业标杆）
- Bonnie Berger 门徒，基因组序列比对、de novo 组装算法鼻祖
- 代表作：Arachne 基因组组装器，早期人类基因组核心算法；现在兼顾产业转化
三、CMU 计算机学院（全球top独立 Computational Biology 系）
Carleton Kingsford（Herbert Simon 讲席教授，计算生物系主任）CMU School...
- 教育：CS 博士（Princeton Mona Singh 门下）
- 核心方向：RNA 结构预测、微生物组、代谢网络、大规模生物图算法、单细胞
- 标志性成果：RNA 二级结构快速比对算法；微生物群落动态建模；生物网络压缩算法
- 实验室风格：纯计算机算法驱动，擅长图论、并行计算，理论 + 工程兼顾
- 适合：RNA 生物信息、微生物、图机器学习、并行基因组算法学生
四、UC Berkeley EECS
Lior Pachter（EECS 教授，计算数学 + 生物）
- Bonnie Berger 弟子，算法基因组、转录组定量分析奠基人
- 代表作：kallisto（超快 RNA-seq 定量工具，全球引用百万级）；差分表达统计算法
- 方向：转录组计算、物种进化树、生物统计、离散算法
- 优势：轻量高效生物信息工具开发，计算统计学极强，适合开发开源生信软件
五、华盛顿大学 UW Allen CS（AI + 医学计算生物top梯队）
Su-In Lee（波音冠名讲席教授，计算分子生物学项目主任）
- 导师：Daphne Koller（斯坦福 AI 之父），CS 博士
- 核心方向：可解释 AI（XAI）、SHAP 理论创始人、癌症多组学、衰老计算、医疗机器学习
- 里程碑：SHAP 值统一模型解释框架，彻底改变生物医学机器学习可解释性研究
- 特色：纯 AI 视角切入疾病，非常适合转码、机器学习背景学生，医学转化强
- 适合：AI 医疗、癌症组学、可解释生物大模型、临床数据挖掘
六、约翰霍普金斯 JHU CS（基因组工程、完整测序top）
Adam Phillippy（CS + 生物工程研究教授）Johns Hopk...
- 领域：完整端粒到端粒人类基因组（T2T）项目计算负责人
- 核心方向：长读长测序算法、基因组组装、泛基因组、宏基因组、物种完整基因组流水线
- 标志性成果：HiCanu、Mash 等组装 / 比对工具；人类 T2T 完整基因组计算管线；脊椎动物基因组计划
- 适合：测序算法、基因组工程、大规模生物信息流水线开发，偏工程实现
七、杜克大学 CS（结构生物计算、蛋白质 AI）
Bruce Donald（James B. Duke 杰出讲席，CS / 化学 / 生化三聘）users.cs.d...
- MIT AI 实验室出身，计算结构生物力学奠基人
- 方向：蛋白质结构柔性建模、分子对接、多肽药物设计、计算酶工程
- 特色：几何算法、机器人运动学迁移到分子构象预测，结构生物算法理论极强
- 适合：蛋白质结构、分子模拟、药物设计、计算几何方向学生
八、UCLA CS（人类遗传疾病计算）
Eleazar Eskin（CS 系 + 计算医学系主任）UCLA Compu...
- Columbia CS 博士，人类复杂疾病遗传计算top
- 核心方向：GWAS 全基因组关联算法、多基因风险评分、人群基因组、罕见病变异挖掘
- 优势：大规模人群遗传数据统计机器学习，和医院临床深度合作
- 适合：遗传流行病学、疾病风险预测、统计基因组学生
九、佐治亚理工 GT Computing（并行计算生物）
Srinivas Aluru（校董讲席教授，计算工程学院副院长）IEEE Compu...
- CS 博士，并行计算生物开创者
- 核心方向：高性能基因组算法、并行序列比对、玉米 / 植物大规模基因组、分布式生物大数据
- 特色：超算、GPU 集群加速生信算法，适合系统、高性能计算背景学生
按研究赛道快速选导师指南
- 蛋白质结构 / 计算结构生物：Bonnie Berger (MIT)、Bruce Donald (Duke)
- 基因组组装 / 长读测序 / T2T：Adam Phillippy (JHU)、Serafim Batzoglou（斯坦福）
- 基因组深度学习 / 表观调控：Anshul Kundaje (斯坦福)、Manolis Kellis (MIT)
- 可解释 AI + 癌症医学多组学：Su-In Lee (UW)
- RNA / 微生物 / 生物图算法：Carleton Kingsford (CMU)
- 转录组定量、轻量生信工具：Lior Pachter (Berkeley)
- 人群遗传病、GWAS 统计计算：Eleazar Eskin (UCLA)
- 并行超算生物信息：Srinivas Aluru (Georgia Tech)
